Phase 14: Agent Engineering

ReWOO e Planeamento e Execução: Planeamento Desacoplado

ReAct interliga pensamento e ação em um fluxo. ReWOO os separa: um grande plano de frente, em seguida, executar. 5x menos tokens, +4% de precisão no HotpotQA, e você pode destilar o planejador em um modelo 7B. Plan-and-Execute generalizou-o; Plan-and-Act escalado para a navegação na web.

Type: Build

Languages: Python (stdlib)

Prerequisites: Phase 14 · 01 (Agent Loop)

Time: ~60 minutes

Objetivos de aprendizagem

Explique por que a divisão Planner / Worker / Solver da ReWOO salva tokens e melhora a robustez sobre o loop interleaved da ReAct.
Implementar um plano DAG, um executor de ordem dependência e um solvente que compõe as saídas de trabalho todos os stdlib.
Decidir quando uma tarefa deve ser executada como plano-depois-execução vs. ReAct interleaved, usando o enquadramento de 2026 "cinco padrões de fluxo de trabalho" (Antropic).
Reconhecer quando os dados sintéticos do plano do Plan-and-Act são necessários para tarefas de longo prazo na web ou móveis.

O problema

O loop de pensamento-ação-observação interligado do ReAct é simples e flexível, mas cada chamada de ferramenta tem que levar o contexto anterior completo incluindo cada pensamento anterior. O uso de tokens cresce quadraticamente com a profundidade. Pior: quando uma ferramenta falha no meio do loop, o modelo tem que redirecionar todo o plano da observação de erro.

ReWOO (Xu et al., arXiv:2305.18323, maio 2023) notou isso e fez uma aposta: planejar a coisa toda com antecedência, buscar evidências em paralelo, compor a resposta no final. Uma chamada de LLM para planejar, N ferramenta pede evidências (pode ser paralelo), uma chamada de LLM para resolver. O comércio é menos flexibilidade (o plano é estático) para uma melhor eficiência de token e modos de falha mais claros.

O conceito

Os três papéis

Planner:  user_question -> [plan_dag]
Workers:  [plan_dag]     -> [evidence]        (tool calls, possibly parallel)
Solver:   user_question, plan_dag, evidence -> final_answer

Planner produz um DAG. Cada nó nomeia uma ferramenta, seus argumentos e quais nós anteriores dependem (referências como #E1- Não .#E2Os trabalhadores executam os nós em ordem topológica.

Por que 5x menos tokens

O ReAct aumenta a comprimento do prompt linearmente com a contagem de passos. No passo 10, o prompt contém pensamento 1 mais ação 1 mais observação 1 mais pensamento 2 mais ação 2 mais observação 2, e assim por diante. Cada passo intermediário também inclui redundantemente o prompt original.

O ReWOO paga um plano de planejamento (grande), N pequenos trabalhadores (cada um apenas a chamada de ferramenta, sem cadeia), e um solver.

Por que é mais robusto

Se o operador 3 falhar no ReAct, o loop tem que raciocinar a partir do erro no meio do fluxo. No ReWOO, o operador 3 retorna uma cadeia de erro; o resolvedor vê-a em contexto com o plano original e pode degradar graciosamente.

Destilação de planeador

O segundo resultado do artigo: porque o planejador não vê observações, você pode ajustar um modelo 7B em saídas do planejador de um professor 175B. O modelo pequeno lida com o planejamento; o modelo grande não é necessário na inferência.

Planejamento e execução (2023)

O post de agosto de 2023 da equipe da LangChain generalizou ReWOO em um nome de padrão: Planejar e executar. O planejador de frente emite uma lista de passos, o executor executa cada passo, um replaneador opcional pode revisar após observar os resultados. Isso é mais próximo do ReAct do que ReWOO (o replaneador traz as observações de volta ao planejamento), mas preserva as poupanças de token.

Planos e Acto (Erdogan et al., arXiv:2503.09572, ICML 2025)

Plan-and-Act escala o padrão para agentes de web e móveis de longo horizonte. A contribuição chave são dados de planos sintéticos: um gerador de trajetória rotulado produz dados de treinamento onde o plano é explícito. Usado para ajustar os modelos de planejador que continuam trabalhando depois de 3050 passos em tarefas semelhantes à WebArena onde uma única trajetória ReAct perde coerência.

Quando escolher qual

Pattern	When
ReAct	Short tasks, unknown environment, need reactive exception handling
ReWOO	Structured tasks with known tools, token-sensitive, parallelizable evidence
Plan-and-Execute	Like ReWOO but with replanning after partial execution
Plan-and-Act	Long-horizon (>30 steps), web/mobile/computer-use
Tree of Thoughts	Search is worth paying for (Lesson 04)

A diretriz de Anthropic de dezembro de 2024: comece com o mais simples. Se a tarefa é uma chamada de ferramenta mais um resumo, não construa ReWOO. Se a tarefa é uma tarefa de pesquisa de 40 passos, não faça ReAct sozinho.

Construí-lo

code/main.pyImplementa um brinquedo ReWOO:

Planner uma política escrita que emite um plano DAG a partir de um aviso.
Worker Envia a chamada de ferramenta de cada nó através do registo.
Solver composição escrita que lê evidências e produz uma resposta final.
Resolução de dependência referências como #E1são substituídos por resultados de trabalhadores anteriores.

A demonstração responde "Qual é a população da capital da França, redondeada em milhões?" usando um plano de duas etapas: (1) procurar a capital, (2) procurar a população, e depois resolver.

É o que é ?

python3 code/main.py

O rastro mostra o plano completo primeiro, depois os resultados do trabalhador, depois a composição do solver. Compare a contagem de tokens (imprimiremos uma contagem de caracteres aproximada) com uma corrida interleaved de estilo ReAct ReWOO ganha neste tipo de tarefa estruturada.

Usá-lo

O LangGraph envia o Plan-and-Execute como receita (create_react_agentPara ReAct, gráficos personalizados para executar planos). Os fluxos da CrewAI codificam o padrão diretamente: você define tarefas de antemão e o Flow DAG as executa.

Envia-o

outputs/skill-rewoo-planner.mdgera um plano DAG do ReWOO a partir de uma solicitação do usuário, dado um catálogo de ferramentas. Valida o plano (acíclico, todas as referências resolvidas, todas as ferramentas existem) antes de entregar a um executor.

Exercícios

Paralelamente execução de trabalhadores para nós de plano independente. O que é que você compra em um DAG de 6 nós com 2 grupos paralelos?
Adicione um nó de replanagem que dispara se um trabalhador retornar um erro. Qual é a menor mudança para ReWOO que faz com que seja Plane-and-Execute?
SubstituiPlannercom um modelo pequeno (classe 7B) e manter SolverComparar qualidade de ponta a ponta onde falha a divisão?
Leia a secção 4 do artigo da ReWOO sobre destilação de planeadores.
Portar o brinquedo para a forma de trajetória do Plano e Ação: plano é uma sequência, não um DAG. Que compensações mudam?

Termos-chave

Term	What people say	What it actually means
ReWOO	"Reasoning without observations"	Plan, then fetch evidence in parallel, then solve — no observations in the planning prompt
Plan-and-Execute	"LangChain's plan-execute pattern"	ReWOO with an optional replanner node after execution
Plan-and-Act	"Scaled plan-execute"	Explicit planner/executor split with synthetic plan training data for long-horizon tasks
Evidence reference	"#E1, #E2, ..."	Plan-node placeholder substituted with prior worker output at dispatch time
Planner distillation	"Small planner, big executor"	Fine-tune a small model on planner traces from a large teacher
Token efficiency	"Fewer round trips"	5x fewer tokens on HotpotQA vs ReAct in the paper
DAG executor	"Topological dispatcher"	Runs plan nodes in dependency order; parallel at each level

Mais leitura

Xu et al., ReWOO: Decoupling Reasoning from Observations (arXiv:2305.18323) o papel canônico
Erdogan et al., Plan-and-Act (arXiv:2503.09572) Planeador-executor em escala com planos sintéticos
LangGraph Plan-and-Execute tutorial a receita-quadro
Anthropic, Building Effective Agents escolher o padrão mais simples que funciona

This free lesson is part of the AI Engineering from Scratch curriculum. Read the full explanation, run the lesson code, and verify the result in the interactive reader or from the repository source.

Browse the complete course catalog or open this lesson on GitHub.